Nicolas Bch Profile picture
Feb 8 13 tweets 13 min read
🐯CARTOGRAPHIE TWITCH JANVIER 2022🐯
A partir des données issues de la plateforme, je vous présente mes 5 points d'analyse sur l'actualité des communautés du Twitch francophone durant le mois de janvier !
⬇️THREAD⬇️
Pour ceux qui découvrent mon travail, cette cartographie s'appuie sur la même méthodo que celles ci-dessous

En résumé : un point représente un compte et un lien l'action "un viewer regarde un streamer".

Ici on a ~2 220 000 points et ~10 270 000 liens !

Si d'un point de vue macro les communautés restent stables, quand on zoom on peut relever plusieurs points intéressants sur les tendances du mois de janvier !
Vous pouvez vous plonger dans l'image en résolution maximale ici : easyzoom.com/imageaccess/44…
1. La communauté League of Legends est la plus grande de la cartographie !

On voit qu'avec le retour de la #LFL et de la #LEC, les structures reviennent en force !

Si vous zoomez en bas, vous pouvez aussi voir apparaitre @LaureBuliiV & @Zaboutine !
Pour avoir plus de précision, j'ai lancé l'algorithme de détection de communautés spécifiquement sur la sphère LoL, pour colorer les "sous-communautés" présentes !
On retrouve :
🔵 @OTP_LoL,
🟠 @KarmineCorp,
🟣 @Sardoche_Lol,
🟢 Les twittos...

(lien : easyzoom.com/imageaccess/68…)
2. La communauté "multigaming" est la deuxième plus grande de la cartographie !

En l'analysant avec plus de précision, on peut également faire ressortir les "sous communautés" qui la composent (tweet ⬇️)
Parmi celles-ci, j'ai relevé deux commus intéressantes :
↖️🟣une composée de streameuses,
➡️🔵une axée politique, avec à la fois des commentateurs (@JeanMassiet, @UsulduFutur, @CassCendre, @davduf) et des politiciens (@JLMelenchon, @yjadot).

(lien : easyzoom.com/imageaccess/44…)
3. Chaque cartographie est aussi l'occasion de voir le positionnement de nouveaux arrivants dans le Twitch Game :
↖️ L'arrivée de @clemovitch,
↗️ @ciryl_gane qui débarque dans le gaming,
↙️ @Chap_GG qui part sur sa chaine solo,
↘️ @HugoTravers et le lancement de @mashup_talk !
4. Dans cette cartographie, les audiences de différents serveurs gaming sont très bien délimitées :
Le nouveau serveur minecraft #HolyCube de @aurelien_sama est visible en vert !
On le voit accompagné des différents participants : @AypierreMc, @Roi_Louis_, @JimmyBoyyy_...
On voit aussi ressortir deux serveurs GTA RP proches, mais différentiables :
⬅️D'un côté, le serveur @FailyV_GTARP de @CaMaKStream avec @MoMaNuS,
➡️De l'autre, le serveur @21JumpClick de @AlexclickTv
5. Sur ce mois de janvier, les communautés habituelles sont très distinctes et très lisibles :
🔴Warzone,
🟡Fifa,
🔵Fortnite,
🟢JL (@EliasLeRetour, @JLTomy, @BichouJango, @Nateooos...)
La communauté centrale composée de @Gotaga, @xSqueeZie et @Lockl34r s'agrandit aussi, avec le rapprochement de @superhenrytran, @LeBouseuh, @Lincamion...
Il reste encore plein d'infos à aller chercher, je pouvais pas tout mettre ici !
Du coup je vais enchainer bientôt avec d'autres threads, dont un focus sur les chaines Twitch orientées politique !
Si vous voulez suivre mes avancées et analyses, c'est ici : twitch.tv/datalgo

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Nicolas Bch

Nicolas Bch Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @nicolasbchb

Feb 8
Pour avoir plus de précision, j'ai lancé l'algorithme de détection de communautés spécifiquement sur la sphère LoL, pour colorer les "sous-communautés" présentes !
On retrouve :
🔵 @OTP_LoL,
🟠 @KarmineCorp,
🟣 @Sardoche_Lol,
🟢 Les twittos...

(lien : easyzoom.com/imageaccess/68…) Image
2. La communauté "multigaming" est la deuxième plus grande de la cartographie !

En l'analysant avec plus de précision, on peut également faire ressortir les "sous communautés" qui la composent (tweet ⬇️) Image
Parmi celles-ci, j'ai relevé deux commus intéressantes :
↖️🟣une composée de streameuses,
➡️🔵une axée politique, avec à la fois des commentateurs (@JeanMassiet, @UsulduFutur, @CassCendre, @davduf) et des politiciens (@JLMelenchon, @yjadot).

(lien : easyzoom.com/imageaccess/44…) Image
Read 9 tweets
Sep 24, 2021
🌐 Cartographie du Twitch FR - Septembre 2021 🌐

4 mois après ma première cartographie du Twitch francophone, je vous en propose ici une nouvelle, mise à jour avec les données de septembre !

Quelles communautés ont bougé et lesquelles sont les plus stables ?

⬇️[THREAD]⬇️ Image
Pour ceux qui découvrent mon travail à @FirstLink_bdx, cette cartographie s'appuie sur la même méthodo que celle présentée ci-dessous. L'objectif ici est justement de comparer ces cartes !
N'hésitez-pas à me suivre si vous appréciez ce type de contenu 😃
Le dataset utilisé ici couvre l'audience du Top 100 FR sur la première moitié du mois : du 1er au 15 septembre.
Pour saisir l'ampleur du jeu de données, voici une timeline qui montre le nombre de viewers regardant le top 100 sur la période : Image
Read 13 tweets
Jul 2, 2021
Dans 1h, l'équipe de France aurait dû affronter l'#ESP.

Mais lundi dernier, la France a été éliminée de l'#EURO2020 par la #SUI au terme d'un match fou 😭

Même si le deuil n'est toujours pas fait, il est temps pour moi de sortir ma data analyse Twitter de ce match :

⬇️THREAD⬇️ Image
Mon objectif ici est d'analyser les réactions de Twitter au fil du match.
J'ai donc extrait tous les tweets de la soirée qui parlent de la rencontre ou d'un joueur sur le terrain, soit :
➡️ 431 262 tweets au total,
🇫🇷 201 845 tweets en français, sur lesquels je vais me focaliser Image
Premier constat assez amusant : on peut facilement retracer le cours du match simplement avec le volume de publications :
⚫️ Début et fin du temps réglementaire
🔴 Buts Suisses
🟡 Penalty arrêté par Lloris
🔵 Buts Français Image
Read 16 tweets
Jun 17, 2021
Comment évoluent les communautés au fil du temps et des évènements sur Twitch ?

Hier soir j'étais l'invité de @Micode sur @UnderscoreTalk, pour parler de mon métier de "cartographe du web"

Voici quelques cartographies que j'y ai dévoilées, dont celle de la ZLAN :

⬇️THREAD⬇️
Pour comprendre les dynamiques de communautés, j'ai réalisé une décomposition chronologique de mon dataset initial, afin d'obtenir une carto par jour de la semaine et une axée sur les matinées.

Les visuels sont dispo ici : easyzoom.com/imageaccess/ee…

Cette décomposition est hyper intéressante puisqu'elle montre que la structure des commus change pas mal en fonction des jours !
On peut voir par exemple que le mardi (@PopcornTalkshow) et le dimanche (Big9), @Domingo est central sur les cartographies :
Read 10 tweets
Jun 3, 2021
Je suis Data Analyst chez @FirstLink_bdx, mon métier c'est de cartographier internet pour comprendre ce qu'il s'y passe.

Du coup, comme je passe pas mal de temps sur Twitch, j'ai réalisé une cartographie de la plateforme pour voir ce que ça donne.

Et le résultat est fou !⬇️ Image
Pour réaliser cette Data Analyse, j'ai récupéré les données du Top 100 Twitch FR, du lundi 24 mai 00:00 au dimanche 30 mai 23:59.

Cela m'a permis de constituer un énorme data set avec :
•2 millions de viewers uniques comptabilisés,
•1973 streamers analysés. Image
Dans cette cartographie, chaque nœud représente un compte Twitch actif : streamer ou viewer.

Les liens entre les nœuds représentent le temps passé par un viewer sur la chaîne d’un streamer.
La taille du nœud dépend des liens, donc du nombre de viewers uniques de chaque Streamer.
Read 11 tweets
May 7, 2021
🇪🇺 Key Opinion leaders ⚽

Recently, the failed #EuropeanSuperLeague project set #Twitter on fire.

Between the millions of tweets published on the subject, some voices had a particularly important weight.

Here are the #KOL of European football according to #data:

[THREAD]⤵️
This thread is the continuation of the analysis I shared on the impact of Twitter on the Super League collapse.

The #dataset used is the same: 2.6 million tweets posted by 876,000 unique users in 5 languages (🇬🇧 🇫🇷 🇪🇦 🇮🇹 🇩🇪 )

In my first analysis, I focused on the contents (sentiment analysis, semantic cartographies...), here the goal is to analyze the influential content providers in Europe.
Read 24 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Don't want to be a Premium member but still want to support us?

Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal

Or Donate anonymously using crypto!

Ethereum

0xfe58350B80634f60Fa6Dc149a72b4DFbc17D341E copy

Bitcoin

3ATGMxNzCUFzxpMCHL5sWSt4DVtS8UqXpi copy

Thank you for your support!

:(